PulseAugur
中
实时 03:02:18
English(EN) Uncertainty-aware damage identification in short-span bridges via physics-informed variational autoencoder

新AI框架可进行不确定性量化的桥梁损伤精确识别

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种新颖的、基于物理信息的高斯耦合变分自编码器（PI-GCVAE），用于识别桥梁损伤。该框架将可微分特征值求解器直接集成到VAE架构中，确保潜在空间样本遵循结构动力学原理。它还采用高斯耦合来模拟结构单元之间复杂的空间相关性，从而提高准确性并考虑系统变异性和测量误差。在合成桥梁数据上的验证表明，PI-GCVAE能够以77.2%的覆盖率准确恢复真实的后验分布，为早期损伤诊断提供了一个可靠的工具。 AI

影响 这项研究为桥梁的早期损伤诊断提供了一种更可靠、可扩展的方法，有望提高基础设施安全性和维护水平。

排序理由 该集群包含一篇学术论文，详细介绍了使用AI进行桥梁损伤识别的新方法。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新AI框架可进行不确定性量化的桥梁损伤精确识别

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Ana Fernandez Navamuel, A. Javier Omella, Diego Zamora-Sanchez, David Pardo ·

    基于物理信息变分自编码器的短跨度桥梁不确定性感知损伤识别

    arXiv:2607.05025v1 Announce Type: new Abstract: Vibration-based damage identification in civil infrastructure is a challenging, ill-posed inverse problem due to measurement noise, sparse sensor arrays, and environmental variability. While deep learning is powerful for system iden…

  2. arXiv cs.LG TIER_1 English(EN) · David Pardo ·

    基于物理信息变分自编码器的短跨度桥梁不确定性感知损伤识别

    Vibration-based damage identification in civil infrastructure is a challenging, ill-posed inverse problem due to measurement noise, sparse sensor arrays, and environmental variability. While deep learning is powerful for system identification, deterministic approaches lack reliab…

相关实体

相关话题